随着现代社会科技、经济、文化的快速发展,决策问题的多样化和决策环境的复杂化对多属性群决策(MAGDM)带来了新的挑战。利用合理的决策信息并选择合适的决策方法,做出有效的决策,成为决策实践与决策科学的研究热点。本文将主要从三个方面进一步研究MAGDM问题:决策信息的表示、决策赋权的优化、决策方法的改进。在决策信息表示中,提出了用于表达决策信息的语言变量。在传统的模糊语言变量基础上进行了有效地拓展,提出了梯形模糊语言变量(TrFLV)的概念。在三角模糊语言变量(TFLV)和毕达哥拉斯模糊集(PFS)的基础上提出梯形毕达哥拉斯模糊语言变量(TrPFLV)。在直觉模糊偏好关系的基础上提出梯形毕达哥拉斯模糊语言偏好关系()。TrFLV、TrPFLV和TrPFLPR为MAGDM的模糊问题提供了更有效的信息表示方法。此外,定义并验证了它们的运算法则和比较方法。在决策赋权优化中,提出了新的基于变量优先的组合赋权方法。基于传统的确定性及模糊决策赋权方法,提出了基于决策信息本身的目标属性权重,也充分考虑了决策者的主观属性权的基于TrPFLECOWA的信息熵权和基于TrPFLECOWMD的信息熵权。在决策信息的集结中,在TrPFLV和基于TrPFLECOWA的信息熵权的基础上,提出了新的TrPFLECOWA算子;在毕达哥拉斯模糊语言偏好关系和基于TrPFLECOWMD的信息熵权以及梯形毕达哥拉斯模糊语言Minkowski距离的基础上,提出了TrPFLECOWMD算子;将TrPFLV与Bonferroni Mean算子进行结合提出了TrPFLBM算子。基于模糊变量的运算规则,证明了TrPFLECOWA算子、TrPFLECOWMD算子、TrPFLBM算子的基本性质,并分别提出了基于上述算子的决策模型和方法。最后,我们将上述算子的决策模型和方法应用到了实际的MAGDM案例,并验证了上述算子的有效性和实用性。